什麼是 Entropy?從熱力學到資訊理論、密碼學與機器學習

1. 熱力學中的 Entropy

Entropy(熵)一詞由 Rudolf Clausius 於 1865 年提出,源自希臘文:

ἐν(en):內部、其中

  • τροπή(tropē):變化、轉變

在熱力學中,

熵(Entropy,S)用來描述:

系統的無序程度(Disorder)或可能狀態的數量。

熱力學第二定律指出:

孤立系統的熵只會隨時間增加。

例如:

  • 冰塊放入溫水後會融化,熵增加。
  • 水不會自行重新結冰,熵不會自發降低。

Boltzmann 著名公式(亦刻於其墓碑):

S = k_B × ln(Ω)
HX = −Σ px × log₂ px
D_KL(P || Q)
=
Σ Px log(P(x)/Q(x))

用來衡量:

兩個機率分布之間的差異。

6. Entropy 的四種主要意義

Entropy 在不同領域具有不同的含義:

  1. 熱力學

衡量系統的無序程度。

在孤立系統中,熵依熱力學第二定律持續增加。

  1. 資訊理論(Shannon)

衡量資訊量與不確定性,

表示訊息平均需要多少位元才能表示。

  1. 密碼學

衡量亂數品質,

用於評估金鑰、密碼、Seed 與 CSPRNG 的安全性。

  1. 機器學習

Cross-Entropy 用於衡量模型預測與真實標籤之間的差異,

是現代分類模型最重要的損失函數之一。